Analýza komplexních modelů pomocí XAI a vývoj inteligentního agenta pro efektivní zákaznickou segmentaci v bankovnictví
Autor(ka) práce:
Stárek, Filip
Typ práce:
Diplomová práce
Vedoucí práce:
Zimmermann, Pavel
Oponenti práce:
Šafr, Karel
Jazyk práce:
Česky
Abstrakt:
Diplomová práce se zaměřuje na analýzu komplexních modelů strojového učení pomocí metod vysvětlitelnosti (XAI) a na vývoj inteligentního agenta, který by sloužil jako interaktivní rozhraní pro zlepšení efektivity zákaznické segmentace v bankovnictví. V teoretické části jsou představeny základy strojového učení, principy zákaznické segmentace a přehled běžně využívaných metod shlukové analýzy, přičemž je věnována zvláštní pozornost technikám vysvětlitelnosti modelů, díky nimž je možné hlubší porozumění jejich vnitřní logice a rozhodovacím procesům. Praktická část práce se zaměřuje na detailní analýzu vybraných shlukovacích algoritmů pomocí moderních XAI metod, což usnadňuje interpretaci a chápání tvorby shluků. Následně je navržena a implementována architektura inteligentního agenta, který integruje analytické moduly a poskytuje uživatelům intuitivní rozhraní pro práci s výsledky segmentace. Experimentální validace na reálných datech z bankovního prostředí prokazuje praktickou využitelnost navržených metodik a jejich schopnost optimalizovat procesy zákaznické segmentace. Výsledky této práce přispívají ke zvýšení transparentnosti komplexních modelů strojového učení a nabízejí inovativní přístup, jak podpořit informovanější rozhodování v bankovnictví.
Klíčová slova:
Shluková analýza; XAI; Strojové účení; Učení bez učitele; Agentní systémy
Název práce:
Analysis of Complex Models Using XAI and the Development of an Intelligent Agent for Effective Customer Segmentation in Banking
Autor(ka) práce:
Stárek, Filip
Typ práce:
Diploma thesis
Vedoucí práce:
Zimmermann, Pavel
Oponenti práce:
Šafr, Karel
Jazyk práce:
Česky
Abstrakt:
This thesis focuses on the analysis of complex machine learning models using explainability methods (XAI) and the development of an intelligent agent that serves as an interactive interface to enhance the efficiency of customer segmentation in banking. The theoretical section introduces the fundamentals of machine learning, the principles of customer segmentation, and an overview of commonly used clustering methods, with special emphasis on model explainability techniques that enable a deeper understanding of their internal logic and decision-making processes. The practical section concentrates on a detailed analysis of selected clustering algorithms using modern XAI methods, facilitating the interpretation and comprehension of cluster formation. Subsequently, an architecture for an intelligent agent is proposed and implemented, integrating analytical modules and providing users with an intuitive interface for working with segmentation results. Experimental validation on real data from the banking sector demonstrates the practical applicability of the proposed methodologies and their ability to optimize customer segmentation processes. The results of this work contribute to enhancing the transparency of complex machine learning models and offer an innovative approach to support more informed decision-making in banking.
Klíčová slova:
Cluster analysis; XAI; Machine Learning; Unsupervised Learning; Agent systems